Качественные методы прогнозирования.

Следует иметь в виду, что описанные выше методы — это далеко не весь, а иногда и не лучший инструментарий для составления прогнозов. Существует множество других, более изощренных статистических методов. Помимо количест­венных, существуют также качественные методы, которые используются в услови­ях недостаточного количества или отсутствия фактических данных.

 

При отсутствии количественных данных, или когда количественная модель получается слишком дорогой, используются качественные методы прогнозирования, которые строятся на основе разного рода экспертных оценок. Опишем некоторые из этих методов.

 

1) Дельфийский метод (Delphi method), или метод экспертных оценок, представляет собой процедуру, позволяющую приходить к согласию группе экспертов из самых разных, но взаимосвязанных областей. Работа над составлением прогноза этим методом организуется так: каждому эксперту независимо рассылается вопросник по поводу рассматриваемой проблемы, ответы экспертов и их мнения кладутся в основу подготовки следующего вопросника, вновь рассылаемого экспертам, и так далее до тех пор, пока эксперты не приходят к согласию (при условии запрета на открытые дискуссии между экспертами). Обычно эта рассылка повторяется 3-4 раза.

1)

2) Изучение рынка (market research), или модель ожидания потребителя. Прогноз строится на основании разнообразных опросов потребителей и последующей статистической обработки.

2)

3) Метод консенсуса (panel consensus), или мнение жюри, заключается в соединении и усреднении мнений группы экспертов в процессе «мозгового штурма».

3)

4) Совокупное мнение сбытовиков (grass-roots forecasting). Метод опирается на мнение непосредственно контактирующих с потребителем торговых агентов.

4)

5) Историческая аналогия (historical analogy) обычно используется в тех случаях, когда нужно дать прогноз продажи товара, по своим характеристикам близкого к выпущенному ранее (например, его модификации).

5)

Сравнительные характеристики этих пяти методов приведены на следующих рисунках.

На рисунке 1 указано среднее время (в месяцах), требуемое для составления прогноза.

 

 

3 -

-

2 -

-

1 -

 

d m p q h

 

Рис. 1. Среднее время (в месяцах) составления прогноза.

 

d — «Delphi method», m — «market research», p — «panel consensus», g — «grass-roots forecasting», h — «historical analogy»;

На рисунке 2 приведена средняя цена (в тыс. долл.) составления прогноза.

 

10 -

-

8 -

-

6 -

-

4 -

-

2 -

d m p q h

 

Рис. 2. Средняя цена (в тыс. долл.) составления прогноза.

 

 

2. ПРОГНОЗИРОВАНИЕ ЭКОНОМИЧЕСКОЙ ДИНАМИКИ НА ОСНОВЕ ТРЕНДОВЫХ МОДЕЛЕЙ.

 

При составлении как краткосрочных, так и долгосрочных планов руководители, менеджеры вынуждены прогнозировать будущие значения таких важнейших показателей, как, например, объем продаж, ставки процента, издержки и т.д. Мы рассмотрим возможности применения в целях прогнозирования фактических данных за прошлые промежутки времени.

 

При характеристике регрессионных методов колебания зависимой переменной объясняются на основе изучения соответствующих значе­ний независимой переменной. Здесь мы будем использовать аналогичный подход, причем в качестве независимой будет выступать переменная времени. К примеру, мы хотим объяснить колебания объемов продаж только через изменение значений этого показателя во времени, без учета каких-либо других факторов. Если удается выявить определенную тенденцию изменения фактических значений, то ее можно использовать для прогнозирования будущих значений данного пока­зателя. Множество данных, в которых время является независимой переменной, называется временным рядом. Модель, построенную по ретроспективным данным, не всегда можно использо­вать в прогнозировании отдельных показателей. Например, план некоторой ком­пании может коренным образом измениться, если эта компания несет убытки. Кроме того, существует множество внешних факторов, которые могут полностью изменить тенденцию, существовавшую ранее. К таким факторам можно отнести существенные изменения цен на сырье, резкое увеличение уровня инфляции в мире в целом или стихийные бедствия, которые непредсказуемым образом могут повлиять на предпринимательскую деятельность.

 

Прогнозирование экономических показателей на основе трендовых моделей, как и большинство других методов экономического прогнозирования, основано на идее экстраполяции как метода научного прогнозирования.

 

Под ЭКСТРАПОЛЯЦИЕЙ (от экстра... и лат. polio – приглаживаю, изменяю) обычно понимают распространение закономерностей, связей и соотношений, действующих в изучаемом периоде, за его пределы.

 

В более широком смысле слова экстраполяцию рассматривают как получение представлений о будущем на основе информации, относящейся к прошлому и настоящему. В процессе построения прогнозных моделей в их структуру иногда закладываются элементы будущего предполагаемого состояния объекта или явления, но в целом эти модели отражают закономерности, наблюдаемые в прошлом и настоящем, поэтому достоверный прогноз возможен лишь относительно таких объектов и явлений, которые в значительной степени детерминируются прошлым и настоящим.

Существуют две основные формы детерминации: внутренняя и внешняя.

 

Внутренняя детерминация, или самодетерминация, более устойчива, ее проще идентифицировать с использованием экономико-математических моделей.

 

Внешняя детерминация определяется большим числом факторов, поэтому учесть их все практически невозможно.

 

Например, адаптивные методы моделирования отражают об­щее совокупное влияние на экономическую систему внешних факторов, т.е. отражают внешнюю детерминацию.

 

Методы, базирующиеся на использовании трендовых моделей социально-экономических процессов, представленных одномерными временными рядами, отражают внутреннюю детерминацию объектов и явлений.

Понятие временного ряда.

 

Временным (динамическим, или хронологическим) рядом называется последовательность значений некоторого показателя во времени (например, объемов продаж, значений индексов, процентных ставок, отношений курсов валют и т.д.).

Динамический ряд рассматривается как сумма детерминированной и случайной компонент.

 

Детерминированная компонента выражается некоторой аппроксимирующей функцией, отражающей закономерность развития исследуемого явления.

 

Появление случайной компоненты определяется сложным переплетением параметров системы, влиянием на их величину большого числа неизвестных факторов, действующих в разных направлениях, что находит свое выражение в отклонении значений показателей системы от основной тенденции развития. Дополнительный вклад вносит и аппроксимирующая модель, которая не в состоянии описать все особенности системы.

 

Для описания стохастических элементов временных рядов и их прогноза используются три различных понятия — помехи, остатки и ошибки.

 

Понятие помехи связано с собственной изменчивостью процесса и неопределенностью, вносимой при наблюдении за ним. Следовательно, помеха является составной частью используемых данных.

 

Под остатками понимается разность между результатами наблюдений и соответствующими значениями, вычисленными с помощью прогнозирующей их модели. Таким образом, остатки связаны с прошлыми данными и моделью, которая использовалась для их оценок.

 

Одним из существенных критериев, которым часто руководствуются при выборе того или иного метода прогнозирования, является полная стоимость прогноза, слагающаяся из затрат на его составление и цены ошибки прогноза. Поэтому стремление заказчика сделать эту стоимость как можно меньшей нужно воспринимать совершенно естественно.

 

Ошибкипрогноза представляют собой разницу между прогнозом, сделанным в настоящее время, и тем, что будет наблюдаться позднее в момент времени, для которого составлен прогноз.